全文获取类型
收费全文 | 169篇 |
免费 | 1篇 |
国内免费 | 3篇 |
专业分类
化学 | 60篇 |
力学 | 3篇 |
综合类 | 1篇 |
数学 | 14篇 |
物理学 | 95篇 |
出版年
2023年 | 1篇 |
2022年 | 11篇 |
2021年 | 5篇 |
2020年 | 2篇 |
2019年 | 7篇 |
2018年 | 5篇 |
2017年 | 5篇 |
2016年 | 7篇 |
2015年 | 9篇 |
2014年 | 7篇 |
2013年 | 13篇 |
2012年 | 11篇 |
2011年 | 7篇 |
2010年 | 11篇 |
2009年 | 20篇 |
2008年 | 14篇 |
2007年 | 8篇 |
2006年 | 6篇 |
2005年 | 4篇 |
2004年 | 2篇 |
2003年 | 1篇 |
2002年 | 3篇 |
2000年 | 2篇 |
1999年 | 1篇 |
1996年 | 1篇 |
1995年 | 4篇 |
1994年 | 2篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1988年 | 1篇 |
1986年 | 1篇 |
排序方式: 共有173条查询结果,搜索用时 109 毫秒
21.
火焰原子吸收光谱法测定宜州桑叶中的微量元素 总被引:2,自引:0,他引:2
用火焰原子吸收光谱法测定了广西宜州市桑叶中的Mg、Mn、Zn、Pb、Cd、Ca、Fe、Cu、Co、Ni、Dr等11种元素。研究了测定不同元素的仪器最佳工作条件及合适的样品消化体系(即1+1 HNO3体系)。测试结果表明:宜州桑叶中的Da和Mg含量最高,分别为10606.0mg/kg和9628.2mg/kg。其他微量元素含量大小顺序为:Mn〉Fe〉Zn〉Cr〉Ni〉Cu〉Co,Pb和Cd含量极低,均〈0.1mg/kg。宜州桑叶中的铁含量偏低,但铬含量却严重超标。综合考虑品种及土壤背景等因素,笔者提出了调整桑园布局,加强栽培管理,提高桑叶质量的一些建议和措施。 相似文献
22.
荆芥中微量元素的初级形态分析 总被引:1,自引:0,他引:1
对荆芥中微量元素铁、铜、锰、锌的初级形态进行了研究,采用火焰原子吸收光谱法(FAAS)测定了各微量元素的含量。结果表明,以HNO3和H2O2混合液作为消解剂能彻底消解样品。各元素在水提液中的含量均低于原药材中的含量,微量元素铁、铜、锰、锌的提取率分别为:19.7%,20.5%,38.6%和34.5%,大部分微量元素仍残留在残渣中。 相似文献
23.
原子吸收光谱测定刺五加中金属元素的含量 总被引:2,自引:2,他引:0
用原子吸收光谱法测定了刺五加根、茎、叶中Ca、Cu、Mg、Fe、Zn、K、Mn、Na等8种矿物质元素的含量,并对其结果进行了分析比较,以此研究了这8种金属元素在刺五加体内的分布。结果显示:各元素在实验范围内,线性关系良好,加标回收率在99%—109.6%之间,相对标准偏差为0.2%—1.8%。刺五加中不同部位的这8种元素间存在显著差异,根中Ca〉Mg〉K〉Fe〉Na〉Mn〉Zn〉Cu,其叶中的含量以K为高,而且各部位均有较高的Ca、Cu、Mg、Fe、Zn、K、Mn、Na。从微量元素的角度分析,刺五加的根、茎、叶均有一定的应用价值。 相似文献
24.
25.
最小二乘支持向量机方法对冬小麦叶面积指数反演的普适性研究 总被引:5,自引:0,他引:5
冬小麦叶面积指数(leaf area index, LAI)是进行作物长势判断和产量估测的重要农学指标之一,高光谱遥感技术为大面积、快速监测植被LAI提供了有效途径。在探讨利用最小二乘支持向量机(least squares support vector machines, LS-SVM)方法和高光谱数据对不同条件下冬小麦LAI的估算能力。在用主成分分析法(principal component analysis, PCA)对PHI航空数据降维的基础上,利用实测LAI数据和高光谱反射率数据,构建LS-SVM模型,采用独立变量法,分别估算不同株型品种、不同生育时期、不同氮素和水分处理条件下的冬小麦LAI,并与传统NDVI模型反演结果对比。结果显示,每种条件下的LS-SVM 模型都具有比NDVI模型更高的决定系数和更低的均方根误差值, 即反演精度高于相应的NDVI模型。NDVI模型对不同株型品种、不同氮素和水分条件下冬小麦LAI估算精度不稳定,LS-SVM则表现出较好的稳定性。表明LS-SVM 方法利用高光谱反射率数据对于不同条件下的冬小麦LAI反演具有良好的学习能力和普适性。 相似文献
26.
叶片衰老影响木兰科植物聚类的FTIR研究 总被引:1,自引:0,他引:1
傅里叶变换红外光谱(FTIR)结合聚类分析技术应用于木兰科植物不同亚族分类,研究了叶片衰老对聚类分析效果的影响。测试了木兰科三个亚族14种植物的幼叶、成叶、老黄叶红外光谱,结果显示三个亚族植物叶片红外光谱差异不大;同种植物叶片不同生长期的红外光谱吸收峰位置基本一致,但一些特征峰的峰强有变化;用1 800~700 cm-1范围二阶导数光谱结合聚类分析,发现成叶二阶导数光谱聚类分析能够正确对样品分类,幼叶和老黄叶二阶导数谱聚类分析效果不如成叶,说明叶片衰老过程化学成分变化影响聚类分析效果,聚类分析时取成叶样品为好。 相似文献
27.
融合可见光-近红外与短波红外特征的新型植被指数估算冬小麦LAI 总被引:1,自引:0,他引:1
考虑到短波红外特征与叶面积指数(LAI)有很好的关联,将短波红外特征的典型水分指数与基于可见光-近红外特征的植被指数相融合,尝试构建新的植被指数估算作物LAI。通过PROSAIL辐射传输模型分析新植被指数对LAI饱和响应的特征;利用2009年和2008年北京地区冬小麦实测光谱数据进行LAI估算建模与验证。结果表明:所选择的10个典型可见光-近红外植被指数分别与5个水分植被指数相结合构建的新指数,都能够有效提高与LAI的相关性,特别是在融合了含有短波红外特征的sLAIDI*指数后,新指数显著提高了对LAI响应的饱和点,而对植被水分变化不敏感,LAI估算精度得到改善。研究表明:将短波红外特征引入到可见光-近红外植被指数中,构建的新植被指数对冬小麦LAI估算具有明显的优势。 相似文献
28.
冬小麦不同生育时期叶面积指数反演方法 总被引:20,自引:0,他引:20
针对当前作物叶面积指数遥感反演过程中,在不同生育时期采用相同的植被指数进行反演存在叶面积指数反演精度较低的问题。以冬小麦为研究对象,选取了对冬小麦覆盖度响应程度不同的六种宽带和四种窄带共10种植被指数,分析比较了在冬小麦整个生育期选用当前广泛使用的归一化植被指数(NDVI)反演冬小麦的LAI和在冬小麦不同生长阶段选用不同的植被指数反演冬小麦LAI的结果差异。在冬小麦整个生育期内使用NDVI反演小麦LAI得到的LAI反演值和真实值之间的R2=0.558 5,RMSE=0.320 9。改进的比值植被指数(mSR)适合于反演冬小麦生长前期(拔节期之前)的LAI,得到的LAI反演值和真实值之间的相关系数r=0.728 7,均方根误差RMSE=0.297 1;比值植被指数(SR)适于反演冬小麦生长中期(拔节到抽穗前),得到的LAI反演值和真实值之间的R2=0.654 6,RMSE=0.306 1;NDVI适于反演冬小麦生长后期(抽穗到成熟期)的LAI,得到的LAI反演值和真实值之间的R2=0.679 4,均方根误差RMSE=0.316 4。 研究表明:在冬小麦的不同生育时期,根据地表作物覆盖度的变化和反射率的变化,选择不同的植被指数建立冬小麦LAI的反演模型获得的反演精度均高于在冬小麦整个生育期使用NDVI获得的反演结果。说明在冬小麦的不同生育时期选择不同的植被指数构建LAI的分段反演模型可以改善冬小麦LAI的反演精度。 相似文献
29.
基于灰度关联分析的冬小麦叶片含水量高光谱估测 总被引:4,自引:0,他引:4
尝试应用灰色关联分析方法(GRA)分析典型的水分植被指数(WVI)和水分含量(LWC)间的关联度,然后选择对冬小麦叶片水含量敏感的指数,比较SRM-PLS(逐步回归-偏最小二乘)方法和PLS方法估算LWC的精度。首先,对冬小麦WVI与LWC进行灰色关联分析,筛选出对冬小麦LWC敏感的WVI;其次,利用筛选出的敏感WVI,分别用PLS-SRM方法和PLS两种方式估算冬小麦LWC;然后对两种方式进行比较,选择最高决定系数(R2)和最小均方根误差(RMSE)的LWC估算模型来估算冬小麦LWC。结果表明:在整个生育期用PLS和PLS-SRM方法估算LWC, R2和RMSE分别为0.605和0.575,4.75%和7.35%。研究表明:先使用GRA对WVI和LWC进行关联度分析,再用PLS或PLS-SRM方法可以提高冬小麦的LWC估算精度。 相似文献
30.
叶面积指数(LAI)是目前最常用的农业生态监测指标,可以为农作物的病虫害监测、作物长势监测、碳循环、生物量估算及作物估产提供依据。植被指数(VI)是卫星LAI产品生产的重要数据源,但不同VIs对植被LAI的响应特征具有一定的差异性。以江西省水稻为例,基于实测光谱提取了水稻实测VIs,结合实测LAI,讨论了归一化植被指数(NDVI)、增强型植被指数(EVI)、土壤调节植被指数(SAVI)和修正的土壤调节植被指数(MSAVI)四种常见VIs对LAI的响应特征,并与MODIS LAI备用算法的计算结果进行了对比分析,研究了不同VIs用于LAI产品反演的可行性及存在的问题。通过对不同实测VIs-LAI模型精度的评估,分析其应用于LAI反演的适应性,结果显示EVI,SAVI和MSAVI比NDVI有更好的适应性,其中EVI效果最优。此外,通过对比MODIS LAI备用算法查找表,发现针对MODIS LAI备用算法中草地与谷物作物这一地表覆盖大类,在LAI>4时,NDVI出现饱和;而实测水稻作物的NDVI在LAI>2时开始出现饱和;且当NDVI相同时,查找表LAI远大于实测LAI,MODIS备用算法中使用的地表覆盖产品分类过粗可能是造成这一结果的主要原因。因此MODIS LAI备用算法在该区域水稻LAI监测中可能产生较大误差,有必要改用其他VIs优化该备用算法。通过对比分析四种VIs模型对LAI的预测误差,发现EVI,SAVI和MSAVI精度明显优于NDVI,基于EVI的模型平均预测误差仅为MODIS LAI备用算法的1/6,基于实测NDVI反演算法的1/2,因此设计基于EVI的LAI算法对LAI的反演精度有一定的提升空间。 相似文献